6 cas d'utilisation de l'automatisation du marketing où l'IA peut contribuer à la qualité des données

Note de l'éditeur : Il s'agit de la deuxième partie d'une série en quatre parties sur la manière dont l'IA sera intégrée aux plateformes d'automatisation du marketing. La partie 1, Automatisation du marketing par IA : comment ça marche et pourquoi les spécialistes du marketing devraient s'en soucier, est ici .

Pendant une grande partie de 2023, le battage médiatique de l'IA s'est concentré sur les cas d'utilisation de contenu IA génératif (copie, image, vidéo). Certains remettent encore en question l'impact ultime de l'IA générative, mais l'adoption généralisée indique qu'une grande partie de l'accent mis sur les capacités axées sur le contenu est justifiée.

Et pourtant, il y a un mouvement encore plus profond en cours : l'infusion de l'IA dans chaque application de technologie marketing.

Pour les leaders de la martech, l'intégration de l'IA dans les composants de la pile de base tels que le CRM et les plates-formes d'automatisation du marketing (MAP) augmentera la précision et la productivité. Dans ce cadre, mon objectif a été de donner la priorité à la gestion des données, que la plupart des responsables des opérations marketing reconnaissent également comme le fondement de la fondation.

Gestion des données : le premier processus de langage (semi) naturel

Avant le point d'inflexion de l'IA, la gestion des données était le premier changement de "langage naturel" qui alimentait la croissance de la martech. Comment? Grâce à la transformation sans code qui nous a permis de créer de nouveaux champs de base de données, un privilège auparavant réservé à l'informatique. La possibilité de créer des champs internes et orientés client intégrés dans les pages de destination et les sites Web a transformé l'engagement numérique.

Même avec l'automatisation, nous nous appuyons fortement sur l'interaction humaine et les interfaces système pour gérer une grande partie des entrées. Et malgré des outils plus faciles à utiliser, la formation restait un obstacle à l'adoption de la saisie (correcte) des données. Les premiers algorithmes d'IA ont eu un impact sur divers processus de nettoyage des données après que les données ont été saisies de manière incorrecte ou étaient incomplètes. Mais nous savions tous qu'il était plus efficace d'empêcher que des données inexactes n'entrent dans le système, ce qui entraînerait des résultats erronés en aval.

J'utiliserai un cadre commun — garbage in, garbage out (GIGO) — pour illustrer.

'Déchets à l'intérieur'

1. Saisie des données

Les dirigeants de Martech grincent des dents lorsque les utilisateurs disent que la saisie des données est difficile. L'empathie est méritée, surtout lorsqu'il y a eu des changements dans l'interface au fil du temps. (Si vous êtes une boutique Salesforce et que vous passez toujours de Classic à Lightning, c'est votre rappel d'empathie !)

De nombreux fournisseurs de premier plan, dont Salesforce, ont récemment prédit que la révolution des « invites » de l'IA générative modifiera à jamais l'interface utilisateur. Chaque interface utilisateur doit désormais traiter le langage naturel, réduisant ainsi la friction (ou l'excuse, si vous êtes cynique) pour que les utilisateurs saisissent des données.

Par exemple, ChatSpot (l'interface AI de HubSpot) exploite le modèle GPT dans son interface utilisateur. (Bien que je sois indépendant du fournisseur, j'ai exploité l'outil et extrait des exemples car il est disponible pour tester dans leur version alpha publique.)

Commençons par les bases : ajouter un nouveau contact.

Les utilisateurs n'auront pas à se rappeler où dans l'interface standard de HubSpot cliquer sur "Ajouter un contact". Au lieu de cela, ils utiliseront une simple invite comme celle-ci…

En trois mois d'alpha, HubSpot a également ajouté des modèles d'invite qui déclenchent des actions basées sur des tâches courantes, vous pouvez donc désormais choisir parmi une liste de favoris comme celle-ci.

2. Rechercher et ajouter des données sur les personnes et les entreprises

De nombreux MAP ont extrait des informations de base sur les clients des sites Web. L'IA simplifie cette tâche, et maintenant une version résumée des profils clés pour augmenter les personnes de contact ou compléter les informations firmographiques de l'entreprise est à portée de main. Par exemple:

3. Infusé dans des feuilles de calcul

Environ 70% des spécialistes du marketing passent plus de 10 heures par semaine à travailler sur des feuilles de calcul, selon l'enquête 2023 sur les salaires et les carrières de MarTech. Ils sont fondamentaux dans les piles martech.

J'ai expliqué comment ces outils (et leurs formules, leurs capacités VLOOKUP, etc.) sont toujours nos décodeurs secrets pour travailler sur plusieurs sources de données lors de ma présentation à la conférence MarTech de mars 2023. Pour de nombreuses équipes plus importantes, un analyste de données à temps plein soutient ces efforts. Les petites équipes ont souvent un spécialiste du marketing connaissant les données avec une expertise Excel.

Cependant, la programmation VLOOKUP est trop technique pour beaucoup. Les spécialistes du marketing utilisent désormais des invites d'IA génératives pour créer des formules. Plusieurs utilitaires de plug-in d'IA insufflent des invites créées par l'IA directement dans les feuilles de calcul.

Ces capacités « sans code » en langage naturel seront les ajouts les plus puissants et les plus utilisés. Ils seront intégrés directement dans les outils de travail des connaissances fondamentales (par exemple, Google Workspace Labs et Microsoft Co-pilot). Les utilisateurs demanderont à un assistant IA d'extraire les domaines des adresses e-mail, d'extraire les prénoms/noms de famille, les entreprises, etc., et de créer efficacement des données structurées grâce à des invites en langage naturel.

"Débarrassez-vous des ordures"

Passons maintenant à l'autre côté du spectre : cas d'utilisation où l'IA aidera à la sortie des données.

4. Interfaces en langage naturel pour l'analyse

Nous y avons tous été. Plutôt que d'accéder à la plateforme, quelqu'un vous demande d'exporter un rapport dans PowerPoint ou Google Slides. Obtenir le rapport de l'application via des invites en langage naturel changera la donne.

"Pouvez-vous me donner un rapport basé sur <remplir le blanc>" sera une invite qui abaissera la barrière pour que plus de personnes accèdent directement aux analyses.

Au fil du temps, si les utilisateurs sont plus enclins à saisir les données et à les voir correctement reflétées, ils seront plus susceptibles de fournir des entrées de qualité. Au lieu de corriger le graphique, les utilisateurs le corrigeront peut-être à la source.

5. Capacités de visualisation infusées

La création de visualisation sera également dotée de capacités infusées. Nous pourrons inviter les plates-formes à ces visualisations via des plug-ins/interfaces.

Comme beaucoup, j'attends avec impatience l'accès aux capacités d'interprétation de code d'OpenAI. Entre-temps, j'ai suivi d'autres personnes qui l'ont piloté, y compris Ethan Mollick, qui a donné un aperçu des capacités dans sa newsletter One Useful Thing - extraite de son récent article de newsletter.

6. Mégadonnées accessibles

Tous ces avantages de saisie et de sortie de données ne seront pas limités aux seules données spécifiques qui sont la « source de vérité » dans CRM/MAP.

Étant donné que nous avons abaissé la barrière à l'entrée pour davantage de sources de données, les résultats d'une analyse peuvent être liés d'une manière qui n'était pas envisagée auparavant - car d'autres augmentations de données et attributs supplémentaires seront accessibles - via des invites basées sur l'IA comme Bien.

Gouvernance et formation toujours nécessaires pour éviter la confiance aveugle

Les dirigeants de Martech doivent veiller à ne pas compter uniquement sur l'IA pour la gestion et la qualité des données. Une gouvernance supplémentaire devrait être appliquée compte tenu de l'immaturité des outils d'IA générative et de leur potentiel d'impact sur la qualité des données s'ils ne sont pas supervisés.

Le défi de la gestion des données a un double impact. Les invites peuvent ne pas hériter des directives de votre organisation pour associer des contacts à des comptes ; des invites plus avancées qui suivent ces directives peuvent devoir être développées.

Aujourd'hui, toute personne qui importe des données dans une feuille de calcul effectue une vérification après avoir appliqué des formules. Les fautes de frappe peuvent générer des problèmes sur des milliers d'enregistrements. Mais une logique défectueuse introduite par l'IA peut corrompre des milliers d'enregistrements si les utilisateurs n'ont pas créé l'invite appropriée pour commencer.

Et après? Dans la partie 3 de cette série, j'approfondirai l'infusion de l'IA dans les processus de campagne MAP.